آموزش Python A-Z™: Python برای علم داده با تمرینات واقعی!

Python A-Z™: Python For Data Science With Real Exercises!

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: برنامه نویسی در پایتون برای تجزیه و تحلیل داده ها و علم داده. یادگیری تجزیه و تحلیل آماری، داده کاوی و تجسم برنامه نویسی در پایتون را در سطح خوبی بیاموزید آموزش کدنویسی در نوت بوک های Jupiter اصول اصلی برنامه نویسی را بیاموزید نحوه ایجاد متغیرها را بیاموزید در مورد عدد صحیح، شناور، منطقی، رشته ای و انواع دیگر در Python Learn نحوه ایجاد حلقه while() و حلقه for() در پایتون آموزش نصب بسته ها در پایتون درک قانون اعداد بزرگ پیش نیازها: بدون نیاز به دانش و تجربه قبلی. فقط اشتیاق برای موفق شدن!

برنامه نویسی پایتون را با این کار بیاموزید!

تعداد زیادی دوره و سخنرانی پایتون وجود دارد. با این حال، پایتون منحنی یادگیری بسیار تند دارد و دانش‌آموزان اغلب غرق می‌شوند. این دوره متفاوت است!

این دوره واقعاً گام به گام است. در هر آموزش جدید ما بر روی آنچه قبلاً آموخته بودیم می‌سازیم و یک گام بیشتر به جلو می‌رویم.

بعد از هر ویدیو، مفهوم ارزشمند جدیدی را یاد می گیرید که می توانید فوراً از آن استفاده کنید. و بهترین بخش این است که شما از طریق مثال های زنده یاد می گیرید.

این آموزش مملو از چالش های تحلیلی واقعی است که حل آنها را یاد خواهید گرفت. برخی از اینها را با هم حل خواهیم کرد، برخی را به عنوان تمرین مشق شب خواهید داشت.

به طور خلاصه، این دوره برای تمام سطوح مهارت طراحی شده است و حتی اگر هیچ پیشینه برنامه نویسی یا آماری نداشته باشید، در این دوره موفق خواهید بود!

من نمی توانم صبر کنم تا شما را در کلاس ببینم،

آنچه خواهید آموخت:

  • اصول اصلی برنامه نویسی را بیاموزید

  • با نحوه ایجاد متغیرها آشنا شوید

  • نحوه تجسم داده ها در Seaborn

  • نحوه ایجاد هیستوگرام، نمودار KDE، پلات ویولن و استایل کامل نمودارهای خود

  • درباره عدد صحیح، شناور، منطقی، رشته و انواع دیگر در پایتون بیاموزید

  • با نحوه ایجاد حلقه while() و حلقه for() در پایتون آشنا شوید

  • و خیلی بیشتر...

با احترام،

کریل ارمنکو


سرفصل ها و درس ها

به دوره خوش آمدید Welcome To The Course

  • چالش خوش آمدید! Welcome Challenge!

  • نصب پایتون (ویندوز و مک) Installing Python (Windows & MAC)

  • مجموعه داده ها را از اینجا دریافت کنید Get the Datasets here

  • منابع اضافی Extra Resources

به دوره خوش آمدید Welcome To The Course

  • چالش خوش آمدید! Welcome Challenge!

  • نصب پایتون (ویندوز و مک) Installing Python (Windows & MAC)

  • مجموعه داده ها را از اینجا دریافت کنید Get the Datasets here

  • منابع اضافی Extra Resources

اصول اصلی برنامه نویسی Core Programming Principles

  • انواع متغیرها Types of variables

  • استفاده از متغیرها Using Variables

  • متغیرهای بولی و عملگرها Boolean Variables and Operators

  • حلقه "در حالی که". The "While" Loop

  • حلقه "برای". The "For" Loop

  • بیانیه "اگر". The "If" statement

  • تورفتگی کد در پایتون Code indentation in Python

  • خلاصه بخش Section recap

  • تکلیف: قانون اعداد بزرگ HOMEWORK: Law of Large Numbers

  • اصول اصلی برنامه نویسی Core Programming Principles

اصول اصلی برنامه نویسی Core Programming Principles

  • انواع متغیرها Types of variables

  • استفاده از متغیرها Using Variables

  • متغیرهای بولی و عملگرها Boolean Variables and Operators

  • حلقه "در حالی که". The "While" Loop

  • حلقه "برای". The "For" Loop

  • بیانیه "اگر". The "If" statement

  • تورفتگی کد در پایتون Code indentation in Python

  • خلاصه بخش Section recap

  • تکلیف: قانون اعداد بزرگ HOMEWORK: Law of Large Numbers

  • اصول اصلی برنامه نویسی Core Programming Principles

مبانی پایتون Fundamentals Of Python

  • لیست چیست؟ What is a List?

  • بیایید چند لیست ایجاد کنیم Let's create some lists

  • با استفاده از براکت های [] Using the [] brackets

  • برش دادن Slicing

  • تاپل ها در پایتون Tuples in Python

  • توابع در پایتون Functions in Python

  • بسته ها در پایتون Packages in Python

  • Numpy و Arrays در پایتون Numpy and Arrays in Python

  • برش آرایه ها Slicing Arrays

  • خلاصه بخش Section Recap

  • تکلیف: تجزیه و تحلیل صورتهای مالی HOMEWORK: Financial Statement Analysis

  • مبانی پایتون Fundamentals of Python

مبانی پایتون Fundamentals Of Python

  • لیست چیست؟ What is a List?

  • بیایید چند لیست ایجاد کنیم Let's create some lists

  • با استفاده از براکت های [] Using the [] brackets

  • برش دادن Slicing

  • تاپل ها در پایتون Tuples in Python

  • توابع در پایتون Functions in Python

  • بسته ها در پایتون Packages in Python

  • Numpy و Arrays در پایتون Numpy and Arrays in Python

  • برش آرایه ها Slicing Arrays

  • خلاصه بخش Section Recap

  • تکلیف: تجزیه و تحلیل صورتهای مالی HOMEWORK: Financial Statement Analysis

  • مبانی پایتون Fundamentals of Python

ماتریس ها Matrices

  • خلاصه پروژه: گرایش های بسکتبال Project Brief: Basketball Trends

  • ماتریس ها Matrices

  • ساختن اولین ماتریس Building Your First Matrix

  • فرهنگ لغت در پایتون Dictionaries in Python

  • عملیات ماتریسی Matrix Operations

  • اولین تجسم شما Your first visualization

  • تجسم گسترده Expanded Visualization

  • ایجاد اولین عملکرد شما Creating Your First Function

  • طراحی عملکرد پیشرفته Advanced Function Design

  • بینش بسکتبال Basketball Insights

  • خلاصه بخش Section Recap

  • تکلیف: پرتاب های آزاد بسکتبال HOMEWORK: Basketball free throws

  • ماتریس ها Matrices

ماتریس ها Matrices

  • خلاصه پروژه: گرایش های بسکتبال Project Brief: Basketball Trends

  • ماتریس ها Matrices

  • ساختن اولین ماتریس Building Your First Matrix

  • فرهنگ لغت در پایتون Dictionaries in Python

  • عملیات ماتریسی Matrix Operations

  • اولین تجسم شما Your first visualization

  • تجسم گسترده Expanded Visualization

  • ایجاد اولین عملکرد شما Creating Your First Function

  • طراحی عملکرد پیشرفته Advanced Function Design

  • بینش بسکتبال Basketball Insights

  • خلاصه بخش Section Recap

  • تکلیف: پرتاب های آزاد بسکتبال HOMEWORK: Basketball free throws

  • ماتریس ها Matrices

فریم های داده Data Frames

  • وارد کردن داده ها به پایتون Importing data into Python

  • کاوش مجموعه داده شما Exploring your dataset

  • تغییر نام ستون های یک Dataframe Renaming Columns of a Dataframe

  • زیر مجموعه دیتا فریم در پانداها Subsetting dataframes in Pandas

  • عملیات پایه با یک Data Frame Basic operations with a Data Frame

  • فیلتر کردن یک دیتا فریم Filtering a Data Frame

  • استفاده از .at() و .iat() (آموزش پیشرفته) Using .at() and .iat() (advanced tutorial)

  • معرفی Seaborn Introduction to Seaborn

  • تجسم با Seaborn: قسمت 1 Visualizing With Seaborn: Part 1

  • آرگومان های کلمه کلیدی در پایتون (آموزش پیشرفته) Keyword Arguments in Python (advanced tutorial)

  • خلاصه بخش Section Recap

  • تکالیف: روندهای جهانی HOMEWORK: World Trends

  • فریم های داده Data Frames

فریم های داده Data Frames

  • وارد کردن داده ها به پایتون Importing data into Python

  • کاوش مجموعه داده شما Exploring your dataset

  • تغییر نام ستون های یک Dataframe Renaming Columns of a Dataframe

  • زیر مجموعه دیتا فریم در پانداها Subsetting dataframes in Pandas

  • عملیات پایه با یک Data Frame Basic operations with a Data Frame

  • فیلتر کردن یک دیتا فریم Filtering a Data Frame

  • استفاده از .at() و .iat() (آموزش پیشرفته) Using .at() and .iat() (advanced tutorial)

  • معرفی Seaborn Introduction to Seaborn

  • تجسم با Seaborn: قسمت 1 Visualizing With Seaborn: Part 1

  • آرگومان های کلمه کلیدی در پایتون (آموزش پیشرفته) Keyword Arguments in Python (advanced tutorial)

  • خلاصه بخش Section Recap

  • تکالیف: روندهای جهانی HOMEWORK: World Trends

  • فریم های داده Data Frames

تجسم پیشرفته Advanced Visualization

  • نوع داده Category چیست؟ What is a Category data type?

  • کار با JointPlots Working with JointPlots

  • هیستوگرام ها Histograms

  • هیستوگرام های انباشته شده در پایتون Stacked histograms in Python

  • ایجاد یک Plot KDE Creating a KDE Plot

  • کار با Subplots() Working with Subplots()

  • Violinplots در مقابل Boxplots Violinplots vs Boxplots

  • ایجاد یک شبکه وجهی Creating a Facet Grid

  • مختصات و قطرها Coordinates and Diagonals

  • EXTRA: ساخت داشبورد در پایتون EXTRA: Building Dashboards in Python

  • EXTRA: نکات استایل EXTRA: Styling Tips

  • EXTRA: کارهای پایانی EXTRA: Finishing Touches

  • خلاصه بخش Section Recap

  • تکلیف: فیلم داخلی % ناخالص HOMEWORK: Movie Domestic % Gross

  • تجسم پیشرفته Advanced Visualization

تجسم پیشرفته Advanced Visualization

  • نوع داده Category چیست؟ What is a Category data type?

  • کار با JointPlots Working with JointPlots

  • هیستوگرام ها Histograms

  • هیستوگرام های انباشته شده در پایتون Stacked histograms in Python

  • ایجاد یک Plot KDE Creating a KDE Plot

  • کار با Subplots() Working with Subplots()

  • Violinplots در مقابل Boxplots Violinplots vs Boxplots

  • ایجاد یک شبکه وجهی Creating a Facet Grid

  • مختصات و قطرها Coordinates and Diagonals

  • EXTRA: ساخت داشبورد در پایتون EXTRA: Building Dashboards in Python

  • EXTRA: نکات استایل EXTRA: Styling Tips

  • EXTRA: کارهای پایانی EXTRA: Finishing Touches

  • خلاصه بخش Section Recap

  • تکلیف: فیلم داخلی % ناخالص HOMEWORK: Movie Domestic % Gross

  • تجسم پیشرفته Advanced Visualization

راه حل تکالیف Homework Solutions

  • حل تکلیف بخش 2: قانون اعداد بزرگ Homework Solution Section 2: Law Of Large Numbers

  • راه حل تکلیف بخش 3: تجزیه و تحلیل صورت های مالی (قسمت 1) Homework Solution Section 3: Financial Statement Analysis (Part 1)

  • راه حل تکلیف بخش 3: تجزیه و تحلیل صورت های مالی (قسمت 2) Homework Solution Section 3: Financial Statement Analysis (Part 2)

  • راه حل تکلیف بخش 4: پرتاب های آزاد بسکتبال Homework Solution Section 4: Basketball Free Throws

  • راه حل تکالیف بخش 5: روندهای جهانی (قسمت 1) Homework Solution Section 5: World Trends (Part 1)

  • راه حل تکالیف بخش 5: روندهای جهانی (قسمت 2) Homework Solution Section 5: World Trends (Part 2)

  • راه حل تکلیف بخش 6: درصد ناخالص داخلی فیلم (قسمت 1) Homework Solution Section 6: Movie Domestic % Gross (Part 1)

  • بخش 6 راه حل تکلیف: درصد ناخالص داخلی فیلم (قسمت 2) Homework Solution Section 6: Movie Domestic % Gross (Part 2)

  • با تشکر از شما ویدئو THANK YOU Video

راه حل تکالیف Homework Solutions

  • حل تکلیف بخش 2: قانون اعداد بزرگ Homework Solution Section 2: Law Of Large Numbers

  • راه حل تکلیف بخش 3: تجزیه و تحلیل صورت های مالی (قسمت 1) Homework Solution Section 3: Financial Statement Analysis (Part 1)

  • راه حل تکلیف بخش 3: تجزیه و تحلیل صورت های مالی (قسمت 2) Homework Solution Section 3: Financial Statement Analysis (Part 2)

  • راه حل تکلیف بخش 4: پرتاب های آزاد بسکتبال Homework Solution Section 4: Basketball Free Throws

  • راه حل تکالیف بخش 5: روندهای جهانی (قسمت 1) Homework Solution Section 5: World Trends (Part 1)

  • راه حل تکالیف بخش 5: روندهای جهانی (قسمت 2) Homework Solution Section 5: World Trends (Part 2)

  • راه حل تکلیف بخش 6: درصد ناخالص داخلی فیلم (قسمت 1) Homework Solution Section 6: Movie Domestic % Gross (Part 1)

  • بخش 6 راه حل تکلیف: درصد ناخالص داخلی فیلم (قسمت 2) Homework Solution Section 6: Movie Domestic % Gross (Part 2)

  • با تشکر از شما ویدئو THANK YOU Video

پیشنهاد ویژه Special Offer

  • ***پاداش ویژه شما*** ***YOUR SPECIAL BONUS***

پیشنهاد ویژه Special Offer

  • ***پاداش ویژه شما*** ***YOUR SPECIAL BONUS***

نمایش نظرات

آموزش Python A-Z™: Python برای علم داده با تمرینات واقعی!
جزییات دوره
11 hours
72
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
152,025
4.6 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kirill Eremenko Kirill Eremenko

دانشمند داده

اسم من کریل ارمنکو است و از اینکه شما دارید این مطلب را می خوانید بسیار روان هستم!

من به طور حرفه ای یک مشاور مدیریت علوم داده با بیش از پنج سال تجربه در امور مالی، خرده فروشی، حمل و نقل و سایر صنایع هستم. من توسط بهترین مربیان تجزیه و تحلیل در Deloitte استرالیا آموزش دیدم و امروز از Big Data برای هدایت استراتژی تجاری، بهبود تجربه مشتری و متحول کردن فرآیندهای عملیاتی موجود استفاده می کنم.

از دوره های من بلافاصله متوجه خواهید شد که چگونه تجربه واقعی زندگی و پیشینه تحصیلی خود را در فیزیک و ریاضیات ترکیب می کنم تا مربیگری گام به گام حرفه ای را در فضای علم داده ارائه دهم. من همچنین علاقه زیادی به سخنرانی عمومی دارم و به طور مرتب در دانشگاه ها و رویدادهای صنعتی پیشرو استرالیا در Big Data حضور دارم.

به طور خلاصه، من کاملاً و کاملاً مشتاق علوم داده هستم و مشتاقانه منتظر هستم تا اشتیاق و دانش خود را با شما به اشتراک بگذارم!

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر